論文の概要: D^2-4DGS: Dual-Depth Guided Sparse-Camera 4D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2608.01588v1
- Date: Mon, 03 Aug 2026 01:46:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.294209
- Title: D^2-4DGS: Dual-Depth Guided Sparse-Camera 4D Gaussian Splatting
- Title（参考訳）: D^2-4DGS:デュアルディープガイドスパースカメラ4Dガウススプラッティング
- Abstract要約: デュアルソース深度で導かれるスパース・カメラダイナミック4Dガウス・スプレイティング・フレームワークを提案する。
9つのデータセットビュー設定全体にわたって、D$2$-4DGSは最も高いPSNRを達成し、最高の競合メソッドよりも平均1.33dB改善している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dynamic 4D Gaussian Splatting has emerged as an efficient representation for dynamic novel view synthesis through explicit scene modeling and real-time rendering. However, existing methods typically require dense multi-view videos for sufficient geometric constraints, making capture expensive and limiting sparse-camera deployment. Reducing input views lowers acquisition cost but weakens geometry supervision, often causing missing structures and floating Gaussians. Depth priors provide geometric cues, yet no single source offers both dense coverage and reliable geometry. Monocular depth provides dense structure but is scale-ambiguous and locally biased, whereas multi-view geometric depth provides incomplete anchors consistent with the reconstruction coordinate system. To exploit their complementarity, we propose D$^2$-4DGS, a sparse-camera dynamic 4D Gaussian Splatting framework guided by dual-source depth priors. We align monocular estimates with valid multi-view geometric depths and verify their consistency to identify reliable geometric anchors. These verified anchors support consistency-aware pruning and depth supervision, while verified geometric depths and aligned mono-only estimates provide candidate geometry for densification in under-reconstructed regions. Finally, RGB-D joint optimization improves appearance fidelity and geometric consistency under sparse-view supervision. Across all nine dataset--view settings, D$^2$-4DGS achieves the highest PSNR, improving by 1.33 dB on average over the best competing method in each setting.
- Abstract（参考訳）: ダイナミック4Dガウススプラッティングは、明示的なシーンモデリングとリアルタイムレンダリングによる動的ノベルビュー合成の効率的な表現として登場した。
しかし、既存の手法では、十分な幾何的制約のために密集したマルチビュービデオを必要とするため、キャプチャーが高価であり、スパースカメラの配置が制限される。
入力ビューの削減は、取得コストを下げるが、幾何学的監督を弱めるため、しばしば構造が失われ、ガウスが浮かんでいる。
奥行き先は幾何学的な手がかりを提供するが、密度の高いカバレッジと信頼性のある幾何の両方を提供する単一の情報源は存在しない。
単分子深度は密度構造を提供するが、スケールの曖昧さと局所バイアスがあるのに対し、多視点幾何深度は再構成座標系と整合した不完全なアンカーを与える。
その相補性を生かしたD$^2$-4DGSを提案する。
単分子推定を有効な多視点幾何深さと整列し、それらの整合性を検証し、信頼性のある幾何アンカーを同定する。
これらの検証アンカーは、整合性を考慮したプルーニングと深度管理をサポートし、検証された幾何深さとアライメントされたモノリシック推定は、未再構成領域における密度化の候補幾何学を提供する。
最後に、RGB-D関節最適化により、スパースビューの監督下での外観の忠実度と幾何的整合性が向上する。
9つのデータセット-ビュー設定全体にわたって、D$^2$-4DGSは最も高いPSNRを達成し、各設定で最高の競合メソッドよりも平均1.33dB向上した。
関連論文リスト
- Visual Geometry Foundation-Aware Gaussians for Single-Frame Surround-View Driving Reconstruction [44.54907293631917]
単フレームのサラウンドビューリコンストラクションは、カメラ間オーバーラップが最小限であるために、厳密な幾何学的不安定さとレンダリングアーティファクトに直面している。
フィードフォワード・サラウンド・サラウンド・ビュー・ドライビング・リストラクションのための3Dガウス・スプレイティング・フレームワークであるVGGDを提案する。
論文 参考訳（メタデータ） (2026-08-11T09:04:33Z) - Ground4D: Consistency-Aware 4D Reconstruction from Monocular Video [69.94904173314505]
2つのステージ上に構築された幾何グラウンドのフレームワークであるGround4Dを提案する。
まず,モノクロ映像から複数視点の立体形状とカメラポーズを再構成する。
第2に,動的ガウススプラッティングによる幾何整合性を考慮した改良を行う。
論文 参考訳（メタデータ） (2026-06-27T09:27:42Z) - IVGT: Implicit Visual Geometry Transformer for Neural Scene Representation [76.36174247570716]
ポーズレス多視点画像から連続的かつ一貫性のある幾何を暗黙的にモデル化するインプリシトビジュアル幾何変換器IVGTを提案する。
IVGTは標準座標系で連続的なニューラルネットワークシーン表現を学習し、任意の3D位置での連続的な空間クエリをサポートする。
連続的かつコヒーレントな表面形状の直接抽出を可能にし、任意の視点からRGB画像、深度マップ、表面正規写像のレンダリングを可能にする。
論文 参考訳（メタデータ） (2026-05-15T17:59:57Z) - Geometric 4D Stitching for Grounded 4D Generation [51.62488402931672]
幾何学的領域の欠如を識別し,幾何学的に接地された4次元縫合を補完する効率的なフレームワークであるGeometric 4D Stitchingを提案する。
1ステップのシーン展開毎に1つのNVIDIA GTX 5090 GPU上で,4次元シーン表現を10分以内で構築する。
論文 参考訳（メタデータ） (2026-05-11T04:53:33Z) - Geometrically Consistent Multi-View Scene Generation from Freehand Sketches [58.98194920417429]
フリーハンドスケッチは、マルチビュージェネレータを提供することができる最も幾何学的に不十分な入力である。
学習データの欠如、歪んだ2次元入力からの幾何学的推論の必要性、ビュー間の整合性という3つの複合的な課題に対処する。
本フレームワークは,参照画像,反復的精細化,シーンごとの最適化を必要とせず,単一のデノナイジングプロセスですべてのビューを合成する。
論文 参考訳（メタデータ） (2026-04-15T18:00:45Z) - GGPT: Geometry Grounded Point Transformer [22.64445696362087]
本稿では,GGPT(Geometry-Grounded Point Transformer)について紹介する。
この基礎の上に構築された幾何誘導型3次元点変換器は,比例的な部分幾何学的監督の下で高密度点マップを洗練する。
論文 参考訳（メタデータ） (2026-03-11T18:00:04Z) - GVGS: Gaussian Visibility-Aware Multi-View Geometry for Accurate Surface Reconstruction [15.170414649311441]
3D Gaussian Splattingは効率的な最適化と高品質なレンダリングを実現するが、正確な表面再構成は難しいままである。
ビュー間で共有されたガウス的プリミティブの可視性を集約する、可視性を考慮した多視点幾何的整合性制約を導入する。
また,粗い空間スケールから細かな空間スケールへのブロックワイドアフィンキャリブレーションを行う,プログレッシブクワッドツリー校正単分子深度制約を提案する。
論文 参考訳（メタデータ） (2026-01-28T07:48:51Z) - Geometry-Consistent 4D Gaussian Splatting for Sparse-Input Dynamic View Synthesis [17.560425604804305]
GC-4DGSは幾何学的整合性を4次元ガウススプラッティング(4DGS)に注入する新しいフレームワークである
幾何学的整合性を4次元ガウススプラッティング(4DGS)に注入する新しいフレームワークであるGC-4DGSを提案する。
論文 参考訳（メタデータ） (2025-11-28T10:11:48Z) - Dens3R: A Foundation Model for 3D Geometry Prediction [44.13431776180547]
Dens3Rは幾何学的密度予測のための3次元基礎モデルである。
画像対マッチング機能と本質的不変性モデリングを統合することにより、Dens3Rは複数の幾何学的量を正確に回帰する。
論文 参考訳（メタデータ） (2025-07-22T07:22:30Z) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z) - FrozenRecon: Pose-free 3D Scene Reconstruction with Frozen Depth Models [67.96827539201071]
本稿では,3次元シーン再構成のための新しいテスト時間最適化手法を提案する。
本手法は5つのゼロショットテストデータセット上で,最先端のクロスデータセット再構築を実現する。
論文 参考訳（メタデータ） (2023-08-10T17:55:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。